DB-GPT Docker部署

已于 2024-06-27 15:35:09 修改
阅读量1.9k 收藏 10
点赞数 6
分类专栏： 机器学习 文章标签： 数据库 gpt docker
于 2024-06-27 15:34:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/GodGump/article/details/139940014
版权

感谢阅读

拉取镜像

docker pull eosphorosai/dbgpt:latest

linux判断拉取是否成功的方法

docker images | grep "eosphorosai/dbgpt"

windows判断拉取是否成功的方法

docker images | Select-String "eosphorosai/dbgpt"

如果报错没有，则用

docker images | findstr "eosphorosai/dbgpt"

模型以及启动容器

模型

本地部署大模型，可离线下载后放置/models目录下（启动容器后docker cp即可）。
docker cp后别着急提交新镜像，可能会出现要安装其他包。

启动容器

docker run --ipc host --gpus all -d \
-p 5000:5000 \
-e LOCAL_DB_TYPE=sqlite \
-e LOCAL_DB_PATH=data/default_sqlite.db \
-e LLM_MODEL=vicuna-13b-v1.5 \
-e LANGUAGE=zh \
-v /data/models:/app/models \
--name dbgpt \
eosphorosai/dbgpt

界面如下（0.56）：

在这里插入图片描述

db-gpt安装指南（docker版本）
Learning
08-24 5513
使用docker部署db-gpt指南
DB-GPT系列（二）：DB-GPT部署（镜像一键部署、源码部署）
灰哥数据智能的专栏
11-01 4882
DB-GPT 是一个开源项目，其将大语言模型 LLM 与数据库紧密结合。该项目主要致力于探索如何让预训练的大规模语言模型（例如 GPT）能够直接与数据库进行交互，从而生成更为准确且信息丰富的回答。Chat Excel（Excel对话）：可以围绕某个Excel数据文件进行快速分析，允许用户上传数据文件并直接对其进行分析；Chat Dashboard（仪表盘对话）：可以围绕某个数据库，针对某个问题进行多维度分析与可视化展示；Chat Data（数据对话）
在群晖上通过Docker部署DB-GPT
wbsu2004的博客
06-05 9907
DB-GPT 是一个开源的 AI 原生数据应用开发框架，是蚂蚁开源的 Text-to-SQL 利器。
dbgpt7.0 docker部署
最新发布
GodGump的博客
04-01 672
同时本文均采用huggingface的方式部署，各大平台都有提供镜像网站，为防止不必要麻烦不粘贴链接，自行搜索。官方为了快速启动，采用SILICONFLOW。下面完全按照本地的方式搞。注意：gitclone的模型和词向量模型如果使用代理可跳过相应的步骤。模型为Qwen2.5-Coder-0.5B-Instruct。注意 根据自己的需要修改配置文件，尤其是模型和词向量模型。词向量模型为bge-large-zh-v1.5。可以根据需要自行更改，并不是唯一的。
db-gpt docker部署进坑
gaohongfeng1的博客
02-21 2034
发现没有embedding模型，就启动docker image时，docker 因为是ipc模型，映射到系统环境目录下model目录找不到text2vec。2.docker 容器启动就关闭，docker ps -a 查看容器状态为exited 停止。1.docker 不支持gpu，参考之前文章。查看dbgtp的quickstart说明。（3）下载embedding模型（略）， 需要自行下载text2vec。如果不知道怎么下载，可以私新我。
人工智能-群晖Docker部署DB-GPT
分享技术，传播知识!
03-25 1164
由于同步周期的问题，毫秒镜像中的docker镜像不一定是最新的，这种情况可以考虑现在个人电脑本地docker环境中通过科学上网的方式从docker官方镜像仓库获取最新的dbgpt镜像。这里指定的dbgpt-proxy-deepseek.toml就是修改后的配置文件，如果指定其他的配置文件，那就对执行的配置文件，进行响应修改。由于网络问题，群晖系统中Container Manager的Docker官方镜像仓库是访问不了的，可以添加一个国内代理镜像站，比如。下面介绍一下部署DB-GPT的关键步骤。
LLM大模型实战 —— DB-GPT阿里云部署指南
2301_81940605的博客
06-25 2173
DB-GPT 是一个实验性的开源应用，它基于FastChat，并使用vicuna-13b作为基础模型, 模型与数据全部本地化部署, 绝对保障数据的隐私安全。
部署DB-GPT
weixin_44076848的博客
11-02 4023
DB-GPT的部署与运行
DB-GPT、ChatGLM3-6B全精度部署_db-gpt chatglm
w5jaLw的博客
04-20 801
习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**
云服务器部署DB-GPT项目
携梦问道的博客
09-07 1970
DB-GPT 是一个将大语言模型LLM与数据库结合的开源项目。它主要研究如何使预训练的大规模语言模型（如 GPT）能够直接与数据库交互，以生成更加准确和信息丰富的回答。这个项目通过特殊的训练方法，教会模型理解和生成能够进行有效数据库查询的SQL语句，使模型在回答需要查找和整合大量数据的问题时，表现得更加精准。
DB-GPT 阿里云部署记录【小白专用】
kezhuog的博客
08-13 1606
今天在阿里云服务器上部署了下DB-GPT先引入依赖再拉项目代码然后遇到报错mkdir命令找不到，那么就重启发现原来是自己以前用过代理，这里取消代理就可以了本地部署一下数据库。
Docker、DBGPT一键安装、卸载
全栈工程师
12-05 957
Docker、DBGPT一键安装、卸载
玩转大模型之四（本地部署DB-GPT）
xuweilin的博客
07-30 1975
是一个支持多种对话功能的工具，‌包括数据对话、‌数据库对话、‌Excel对话、‌知识库对话、‌报表分析和代理对话等。DB-GPT是一个开源框架，通过集成多种技术如SMMF、Text2SQL优化等，简化大模型在数据库应用中的开发，支持数据处理、问答、RAG等功能，适用于数据3.0时代的高效应用构建。如LLaMA/LLaMA2、Baichuan、ChatGLM、文心、通义、智谱、星火等。支持内置、多文件格式上传、插件自抓取等方式自定义构建知识库，对海量结构化，非结构化数据做统一向量存储与检索。
DB-GPT数据库GPT,支持本地部署,可以在私有环境中运行!!
热门推荐
向彪-区块链技术研究
06-01 1万+
随着大模型的发布迭代，大模型变得越来越智能，在使用大模型的过程当中，遇到极大的数据安全与隐私挑战。在利用大模型能力的过程中我们的私密数据跟环境需要掌握自己的手里，完全可控，避免任何的数据隐私泄露以及安全风险。基于此，我们发起了DB-GPT项目，为所有以数据库为基础的场景，构建一套完整的私有大模型解决方案。此方案因为支持本地部署，所以不仅仅可以应用于独立私有环境，而且还可以根据业务模块独立部署隔离，让大模型的能力绝对私有、安全、可控。
DB-GPT容器化部署流程
qq_27844739的博客
06-01 4271
DB-GPT 是一个开源的以数据库为基础的GPT实验项目，本人使用容器化的方式部署成功，本文对本地化部署DB-GPT的过程进行梳理。
DB-GPT部署验证
snipercai的博客
04-30 3446
DB-GPT是一个开源的数据库领域大模型框架。
DB-GPT系统安装部署与运行（CPU环境 + 模型代理模式）
qq_61784003的博客
12-10 4009
DB-GPT可以通过代理模式部署在硬件较低的服务器上，也可以在GPU下进行私有化本地模型的部署。本人的硬件配置较低，只有CPU，考虑使用第三方大模型API服务，这里以使用。⚠️ 当使用MySQL时，在v0.4.7版本之后，DB-GPT不在做MySQL数据库Schema的自动创建与升级, 主要是为安全生产考虑。注意：如果使用sqlite3（即不执行上述的可选步骤：配置元数据库），需要下载；，使用前需要注册/登录智谱AI官网并实名注册，获取API 密钥（（文件比较大，近2.5G，可能需要等待一段时间）
AI大模型实战 —— DB-GPT阿里云部署指南
瓦罗兰特顶级C位的博客
11-19 2986
DB-GPT 是一个实验性的开源应用，它基于FastChat，并使用vicuna-13b作为基础模型, 模型与数据全部本地化部署, 绝对保障数据的隐私安全。 同时此GPT项目可以直接本地部署连接到私有数据库, 进行私有数据处理， 目前已支持SQL生成、SQL诊断、数据库知识问答、数据处理等一系列的工作。
DB-GPT docker
01-07
### DB-GPT Docker 配置与镜像 对于涉及DB-GPT的Docker配置和镜像，当前提供的参考资料并未直接提及具体的细节。然而，在构建任何基于Docker的应用程序时，通常会遵循一系列标准实践来创建适合特定应用需求的环境。 #### 创建自定义Dockerfile用于DB-GPT 为了适配DB-GPT项目的需求，可以编写一个定制化的`Dockerfile`： ```dockerfile FROM python:3.9-slim-buster WORKDIR /app COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt COPY . . CMD ["python", "db_gpt_app.py"] ``` 此示例假设存在名为`requirements.txt`的依赖列表以及启动应用程序所需的入口脚本`db_gpt_app.py`[^1]。 #### 使用多阶段构建优化镜像大小 通过采用多阶段构建技术，可以在不影响功能的前提下显著减小最终生成的容器映像体积： ```dockerfile # 构建阶段 FROM python:3.9-slim-buster AS builder WORKDIR /build COPY ./src/requirements.txt . RUN pip wheel --wheel-dir=/wheels -r requirements.txt # 运行时阶段 FROM python:3.9-alpine WORKDIR /app COPY --from=builder /wheels / RUN pip install --no-index --find-links=file:///wheels \ && rm -rf /wheels COPY src/ . CMD ["python", "-u", "./main.py"] ``` 这种方法不仅有助于提高部署效率，还能增强安全性并减少资源消耗[^2]。 #### 利用官方仓库获取预构建镜像 如果社区已经提供了针对DB-GPT项目的官方或第三方支持，则可以直接从公共注册表拉取相应的镜像而无需自行编译： ```bash docker pull dbgpt/db-gpt-app:latest ``` 这一步骤简化了前期准备工作，并允许团队专注于核心业务逻辑而非基础设施搭建上[^3]。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值